喘息は気流制限が日内・日々で変動する疾患だが、診断・管理は外来での単発スパイロメトリやピークフローに依存しがち。在宅スパイロメトリは普及し始めたが、努力依存で品質（ATS/ERS基準）と再現性が悪く、ノイズと真の変動の区別が難しい。喘息は医学生世代に極めて多い当事者領域。
在宅で繰り返すフローボリューム曲線＋症状・環境・吸入アドヒアランスに、曲線形状（下に凹む閉塞・終末気流）を読む画像／時系列AIを当てれば、(1)各呼出の品質・受容性を自動判定し、(2)ノイズを除いた真の気流変動を抽出し、(3)増悪を数日前に先読みできる、と仮説。新規性は単発スパイロの判読精度（既に医師並み）でなく、在宅・縦断・品質込み・変動と増悪に置く。
フローボリューム曲線の微妙な形（下に凹む閉塞・終末気流の落ち）、努力不足アーチファクト、日々の変動はFEV1/FVCの閾値だけでは捉えられず、曲線形状の学習でしか品質評価と変動・増悪予測ができない。
品質を加味した在宅気流変動と増悪予測の妥当性＝学会・論文。出口はまず喘息の遠隔モニタ・受診勧奨の補助（確定診断・治療調整は医師）、治験の在宅エンドポイント、将来は発作前の先手介入。Hiroはアレルギーを学ぶ医学生＝当事者。